Son las siete y media de la noche y acabas de colgar tu tercera llamada de ventas del día. El cliente pasó quince minutos contándote sus problemas, tú apuntaste unas palabras clave a las carreras en tu libreta y pensaste: mañana en la oficina resuelvo otras cosas primero, la cotización la hago más tarde.

Pero "más tarde" casi nunca llega a tiempo. Al día siguiente abres el correo y está lleno de mensajes nuevos; esa cotización que prometiste anoche vuelve a quedar para después. Cuando por fin te sientas a escribirla, ya no recuerdas bien esos puntos que el cliente remarcó tanto por teléfono, la cotización te sale lenta y genérica, y él tarda una semana en responder — para entonces, puede que ya esté hablando con otro proveedor.

Si tienes tu propia empresa, trabajas por proyectos, o simplemente estás pensando en cómo meter la IA de verdad en la operación diaria de un negocio —y no solo usarla para chatear o generar imágenes—, esta escena seguramente te suena. Es también el primer caso que el canal de YouTube "李哈利 | AI" (Harry Lee) demuestra una y otra vez en un video tutorial de dos horas y media: usar Codex, de OpenAI, para convertir ese proceso comercial que "se queda en nada después de la llamada" en un sistema que genera la cotización, la firma, simula el cobro y corre en la nube según un horario, todo de forma automática.

Al comienzo del video, Harry Lee se presenta diciendo que dirige una empresa que ayuda a pequeñas y medianas empresas a adoptar la automatización con IA, y afirma tener una comunidad de más de diez mil personas. Estas cifras son su propia declaración; este sitio no las verificó por separado, así que puedes tomarlas como contexto sin necesidad de aceptarlas al pie de la letra. Lo que realmente vale la pena analizar es el proceso que muestra paso a paso en pantalla, el mismo que tú también puedes replicar.

Antes de abrir Codex, entiende estos interruptores — si no, el que paga la cuenta eres tú

Codex es el asistente de codificación y automatización de OpenAI, que puede instalarse como cliente independiente o usarse desde el navegador o la terminal. La interfaz en sí no es complicada: a la izquierda tienes la lista de conversaciones, y a la derecha puedes abrir un panel de navegador o de terminal para ver en tiempo real qué página está operando o qué comando acaba de ejecutar. Lo que realmente decide si este sistema te sale a cuenta o no son tres configuraciones fáciles de pasar por alto.

La primera es el "modo de permisos". Codex te deja elegir entre "que cada acción requiera tu aprobación" (approve for me) o "dejarlo actuar por sí mismo sin supervisión" (full access). El hábito de Harry Lee es quedarse en un punto intermedio, más conservador: deja que las acciones importantes pasen primero por su revisión, para que la IA no le borre por accidente un archivo que no debía tocar; si quieres más velocidad puedes soltar el control por completo, pero el riesgo corre por tu cuenta.

La segunda son el "effort" y la "speed" del modelo. Para una misma tarea, puedes pedirle que piense con más cuidado o que corra más rápido, pero ambas cosas se reflejan directamente en cuántos Token consumes: mientras más a fondo piensa y más rápido corre, más quema. Harry Lee comenta que en su trabajo diario se queda casi siempre en un nivel de effort medio a medio-alto, y rara vez lo lleva al máximo, con una razón muy directa: no hay necesidad de quemar la configuración más cara para cada tarea. Vale la pena anotar esta frase, porque en el fondo es la vieja pregunta de "cómo calcular si un Token de IA te sale a cuenta", formulada otra vez en un escenario distinto.

El tercer punto que se suele saltar es la función de "schedule" (programación) y de "plugins". Puedes hacer que ejecute una tarea a horas fijas, o conectar herramientas de terceros que uses habitualmente para que Codex las opere directamente. Estas dos funciones son justo las piezas clave que, más adelante, empujan todo el sistema de "hacer clic manualmente" a "correr solo".

De una instrucción a una "habilidad" reutilizable

Una vez que le agarras la mano a la interfaz, lo interesante de verdad es cómo convirtió aquel problema inicial —"la cotización que se queda para después"— en un proceso reutilizable.

Primero le pidió a Codex que hiciera, para tres industrias completamente distintas (medicina estética, clínica dental y reparación de aire acondicionado), tres plantillas de página web de cotización con estilos muy diferentes entre sí, a propósito. La razón es práctica: si haces solo una, no tienes forma de saber si de verdad es lo que quieres; con tres versiones claramente distintas, sí tienes con qué comparar, y de un vistazo se ve qué elementos conservar y cuáles cambiar.

Ya elegido el estilo, el siguiente paso es donde está el verdadero valor: le dio a Codex la transcripción de una llamada de ventas simulada y le pidió que, siguiendo la plantilla elegida, generara automáticamente una cotización completa —con resumen de los problemas del cliente, propuesta de solución, estimación de retorno de inversión (ROI) y periodo de recuperación—, y al final incluso agregó un campo de firma electrónica y una pantalla simulada de pago. Durante todo el proceso, subraya que no escribió ni una línea de código: lo que hizo fue explicar sus requisitos con lenguaje natural una y otra vez, y cuando el resultado no le convencía, simplemente le pedía que lo corrigiera, hasta quedar satisfecho.

Cuando esta plantilla ya estaba estable, la "convirtió" en una habilidad fija: algo con nombre propio y un flujo de trabajo definido, de modo que a partir de entonces bastaba con darle una nueva transcripción de llamada para que produjera otra página de cotización de la misma forma. Incluso abrió dos subtareas al mismo tiempo, haciendo que Codex procesara en paralelo las cotizaciones de clientes de dos industrias distintas, para comprobar que la habilidad se podía reproducir de forma estable y que no fue solo suerte en la primera demostración.

Sacar la automatización de tu computadora de verdad: en qué se diferencian un script local y la programación en la nube

Con la habilidad ya lista, queda un problema práctico: si tu computadora está apagada, todo este flujo de "escribir la cotización automáticamente por mí" simplemente no se ejecuta.

Harry Lee primero mostró la versión local: conectó su herramienta habitual de transcripción de grabaciones de reuniones para que, al terminar cada llamada de ventas, el sistema tomara la transcripción automáticamente, aplicara la habilidad, generara la página de cotización, y él la revisara una vez antes de enviarla al cliente. Este paso ya ahorra la mayor parte del tiempo de traspasar datos a mano, pero en cuanto la computadora se apaga o pierde conexión, toda la cadena se detiene.

Para llegar de verdad a estar "disponible 24 horas", hay que subir un nivel más: llevar la misma lógica a un servicio en la nube y programar un ciclo fijo (por ejemplo, revisar cada cierto número de horas) para tomar los nuevos registros de llamadas, generar la cotización y esperar la aprobación humana antes de enviarla. Reconoce que ni él mismo entendió de entrada cómo conectar los servicios en la nube; su método fue devolverle la duda directamente a Codex, para que le explicara paso a paso el propósito de cada configuración, seguir preguntando cuando no entendía, y solo entonces replicar la operación. Este es también un punto que el video repite una y otra vez: no necesitas saber programar primero para tener derecho a llevar tu flujo de trabajo a la nube.

Dos líneas rojas escondidas detrás de la eficiencia

Hasta aquí, todo el sistema suena muy tentador: terminas una llamada y la cotización sale sola, e incluso el flujo de atención al cliente o cobranza podría extenderse en la misma dirección. Pero en el video hay al menos dos advertencias que valen la pena anotar y pegar al lado de la pantalla.

Primero: nunca pegues directamente en el cuadro de conversación con la IA información sensible como claves de API o contraseñas. Lo correcto es dejar que la IA te dé una ruta de archivo, y que seas tú quien pegue la clave manualmente en ese archivo — el historial de conversación no es una caja fuerte, y no te conviene que tu clave termine viviendo dentro de algún registro de chat.

Segundo: aunque el proceso ya sea totalmente automático, nunca quitó la "revisión humana" justo antes de enviarle algo al cliente. El sistema está diseñado para que la cotización generada regrese primero a él para su aprobación, y solo después de su visto bueno se envía realmente al cliente. Este paso puede parecer redundante, pero en realidad es el único freno que sigue en manos humanas dentro de todo el sistema "sin supervisión": lo que la automatización ahorra es el tiempo del trabajo repetitivo, no la responsabilidad de tomar la decisión final.

Una sola creación, múltiples canales: el contenido también se puede reempaquetar

Hacia el final del video cambia de escenario y habla de marketing de contenido: tomar un artículo largo o un boletín ya escrito, desglosarlo y reescribirlo en textos cortos y tarjetas gráficas adaptadas a distintas redes sociales, produciendo una sola vez y distribuyendo en varios lugares, ahorrando el tiempo de pensar cada pieza desde cero. En su demostración, pega directamente el texto completo del boletín de un emprendedor público en Codex y le pide que lo traduzca, lo reescriba y genere el copy e imágenes que necesita cada una de tres plataformas. La metodología de esta técnica vale la pena tenerla en cuenta, pero si piensas aplicarla sobre contenido ajeno ya publicado y protegido por derechos de autor, el grado de reescritura y la atribución de la fuente son asuntos que hay que revisar aparte; no es el mismo nivel de riesgo que aplicarla sobre tu propio contenido original.

Un curso gratuito que se anuncia como "el más completo de toda la red": ¿con qué criterio confiar en él?

Todo el video se presenta bajo el lema de "el más completo de toda la red", "de nivel épico", y al final incluye el enlace de inscripción a su propia comunidad de pago, además de una promesa del tipo "en 90 días garantizo que consigas tu primer cliente, y si no, te devuelvo el dinero". Este tipo de lenguaje no es raro en los videos tutoriales de YouTube, pero también te recuerda algo: un video gratuito y lleno de contenido útil, y lo que hay detrás que te quiere vender, son dos cosas que se pueden juzgar por separado. Los pasos de la operación tú mismo puedes verificarlos con tus manos, pero el tamaño de la comunidad, la facturación, la garantía de devolución — ese tipo de cifras y promesas — siguen siendo, al final, la declaración unilateral de quien habla, y vale la pena que mantengas cierta cautela, en lugar de aceptarlo todo con solo ver las palabras "gratis" y "el más completo de toda la red".

En el fondo, esto es lo mismo que "poder ver claramente qué estás usando y cuánto has gastado", visto desde otro ángulo: ya sea cuántos Token quemó el flujo de automatización que tú mismo corriste, o si decides confiar o no en las cifras de un video, el punto de partida para juzgar es el mismo — primero ver con claridad qué pasó realmente, y después decidir si vale la pena invertir en ello.

Volvamos a aquella llamada del principio. Cuando de verdad logres hacer funcionar la primera habilidad de "convertir automáticamente el registro de una llamada en una cotización", te darás cuenta de que lo que realmente cambia no es la velocidad con que se escribe la cotización, sino que empiezas a acostumbrarte a preguntarte: ¿este trabajo repetitivo se puede convertir en una habilidad que puedas invocar en cualquier momento? Y la próxima vez, cuando tu sistema de automatización corra varias rondas al día, cientos de veces a la semana, ¿podrás responder cuántos Token se comió cada mes este "empleado que nunca cierra"?

Probablemente no vayas a estar revisando este sistema todos los días, pero lo cierto es que trabaja para ti — y gasta dinero por ti — todos los días. Usa AI Token King para poner sobre la mesa todo ese consumo acumulado, así no te llevas la sorpresa hasta que llega la factura a fin de mes. Prueba gratis AI Token King → (https://aitokenking.com.tw/home)

Preguntas frecuentes (FAQ)

P1: ¿Codex y ChatGPT son lo mismo? Codex es la línea de productos de OpenAI dedicada específicamente al desarrollo de código y tareas de automatización; se puede instalar como cliente independiente, y desde la misma interfaz también puedes cambiar al modo de conversación normal de ChatGPT. Ambos comparten cuenta y plan de suscripción, pero la interfaz y las funciones están optimizadas para tareas distintas.

P2: ¿De verdad se puede construir el flujo de automatización del video sin ningún conocimiento de programación? En la demostración del video no se escribe código a mano en ningún momento; el método es describir lo que necesitas en lenguaje natural, revisar lo que produce Codex, y pedirle que lo corrija si no te convence. Esto baja la barrera de entrada, pero igual necesitas tiempo para entender qué hizo y revisar si lo que generó es correcto — no es un costo de aprendizaje cero.

P3: ¿Cómo elegir entre los dos modos de permisos, "que me pida aprobación primero" y "dejarlo actuar por sí solo"? Si no estás seguro de si la IA podría borrar o modificar por error algún archivo importante, se recomienda empezar con "que me pida aprobación primero", para que las acciones importantes salten y te pidan confirmación; una vez que conozcas su comportamiento y confíes en tus copias de respaldo, puedes considerar ampliar los permisos.

P4: ¿De verdad hay tanta diferencia entre la automatización local y conectarla a la programación en la nube? El flujo local queda atado a tu propia computadora: se interrumpe si la apagas o pierdes conexión. Al conectarlo a la programación en la nube, el sistema sigue ejecutándose según el ciclo definido aunque tu computadora esté apagada. La diferencia está en si necesitas o no estar "disponible en todo momento" — no todos los escenarios requieren llegar a este nivel.

P5: El video dice que si te unes a su comunidad de pago te garantiza el primer cliente en 90 días, ¿se puede creer esa promesa? Es un lenguaje de marketing común en la inscripción a cursos, una promesa unilateral de quien habla. Este sitio no verificó su mecanismo de devolución, su tasa de éxito ni sus resultados reales; se recomienda que el lector lo evalúe por su cuenta y no tome la decisión de unirse a una comunidad de pago basándose únicamente en lo que dice el video.

Declaración de fuentes: Este artículo se basa en un video tutorial publicado por el canal de YouTube "李哈利 | AI" (Harry Lee), titulado "【全網最全】2.5小時史詩級 Codex 大師課！從零打造 24小時無人值守的「一人 AI 公司」" (publicado el 31 de agosto de 2026); enlace original: https://www.youtube.com/watch?v=3fjO9siN-Nc . Las cifras mencionadas en el texto sobre el tamaño de la comunidad, la facturación o la garantía de devolución son todas declaraciones propias de quien habla en el video, y no fueron verificadas de forma independiente por este sitio.

Para seguir leyendo: si te interesa este tema, en nuestro sitio hemos publicado artículos relacionados sobre qué es OpenAI Codex y en qué se diferencia de ChatGPT y de Claude Code para quienes no vienen de un perfil técnico, sobre por qué los Token de IA resultan tan caros al desglosar la lógica autorregresiva detrás del consumo de los agentes de codificación, sobre 5 técnicas comprobadas para reducir el costo de Token al programar con IA usando Claude Fable 5 como ejemplo, y sobre por qué el software está empezando a cobrarse "por Token" y qué significa esto para la lógica de compra y la gobernanza de costos en la era de los agentes de IA.